| 摘要 | 第4-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究历史与现状 | 第10-12页 |
| 1.3 本文的主要工作内容 | 第12-13页 |
| 1.4 本论文的结构安排 | 第13-15页 |
| 第二章 视频自动描述系统需求分析 | 第15-29页 |
| 2.1 系统需求分析 | 第15-18页 |
| 2.1.1 功能需求 | 第15-16页 |
| 2.1.2 系统用例图 | 第16-17页 |
| 2.1.3 非功能需求 | 第17-18页 |
| 2.2 关键技术介绍 | 第18-24页 |
| 2.2.1 词向量 | 第18-21页 |
| 2.2.2 卷积神经网络 | 第21-23页 |
| 2.2.3 循环神经网络 | 第23-24页 |
| 2.3 编码-解码结构模型 | 第24-25页 |
| 2.4 注意力机制模型 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 视频自动描述系统设计 | 第29-43页 |
| 3.1 系统总体设计方案 | 第29-31页 |
| 3.2 系统各个模块详细介绍 | 第31-42页 |
| 3.2.1 词向量层 | 第31-32页 |
| 3.2.2 循环层 | 第32-35页 |
| 3.2.3 视频特征池 | 第35-37页 |
| 3.2.4 关注层 | 第37-38页 |
| 3.2.5 Softmax层 | 第38-39页 |
| 3.2.6 权重平均模块 | 第39-40页 |
| 3.2.7 多模态层 | 第40-41页 |
| 3.2.8 MaxID层 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 视频自动描述系统实现 | 第43-65页 |
| 4.1 训练数据集的准备 | 第43-48页 |
| 4.1.1 数据集 | 第43-44页 |
| 4.1.2 度量标准 | 第44-48页 |
| 4.2 TensorFlow深度学习框架的搭建 | 第48-52页 |
| 4.2.1 TensorFlow框架的基本使用方法 | 第49-50页 |
| 4.2.2 TensorFlow使用python脚本语言 | 第50-51页 |
| 4.2.3 TensorFlow使用GPU加速计算 | 第51-52页 |
| 4.3 系统代码实现 | 第52-60页 |
| 4.3.1 系统关键流程实现 | 第52-56页 |
| 4.3.2 神经网络训练过程 | 第56-60页 |
| 4.4 实验结果及分析 | 第60-64页 |
| 4.4.1 实验环境 | 第60页 |
| 4.4.2 实验结果 | 第60-62页 |
| 4.4.3 系统性能评价 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 全文总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 后续工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
